스크롤을 멈추게 하는 자막: 상위 크리에이터들의 방식
스크롤을 멈추게 하는 자막의 폰트, 크기, 외곽선, 타이밍 — 실제 수치와 그 이유, 그리고 영상마다 처음부터 다시 만들지 않고 원클릭으로 같은 프리미엄 룩을 얻는 방법.
그냥 자막이 있고, 스크롤을 멈추게 하는 자막이 있습니다. 둘의 차이는 노력이 아닙니다. 성과를 내는 크리에이터들이 한 번 정해두고 계속 재사용하는, 몇 가지 구체적인 결정의 차이입니다.
틱톡, 릴스, 쇼츠용 9:16 클립을 위한 레시피 전체는 이렇습니다:
- 폰트: 굵은 산세리프 — Anton, Montserrat Bold, 또는 Archivo Black
- 크기: 프레임 높이의 7–10%
- 색상: 흰색, 에너지가 강한 콘텐츠라면 노란색
- 외곽선: 3–4px 검정 스트로크, 또는 단색 배경 박스
- 줄 길이: 2–4 words, 한 줄이나 두 줄, 세 줄은 절대 금지
- 위치: 하단 중앙 3분의 1 지점, 하단 15%는 피할 것
- 타이밍: 문장 단위가 아니라 단어 단위
프리미엄 자막과 기본 자막을 가르는 건 이게 전부입니다. 이 글의 나머지는 각 수치가 왜 그 값인지, 그리고 왜 그것들을 손으로 일일이 설정할 필요가 없어야 하는지에 대한 이야기입니다.
플랫폼 자동 자막이 스크롤을 멈추지 못하는 이유
틱톡, 인스타그램, 유튜브는 모두 여러분의 영상에 무료로, 즉시 자막을 달아줍니다. 그리고 바로 그 때문에 수많은 숏폼 영상이 서로 똑같아 보입니다. 피드 속 다른 모든 사람과 같은 폰트, 같은 위치, 같은 회색 박스니까요.
이게 진짜 문제입니다. 자막은 스크롤하는 시청자가 가장 먼저 읽는 요소이고, 대개 소리는 꺼져 있습니다. 다른 클립들과 똑같아 보인다면 이미 진 겁니다. 평범한 자막은 도움이 안 되는 데서 그치지 않습니다. 이 영상은 '만든' 게 아니라 그냥 '올린' 것이라는 신호를 적극적으로 보냅니다.
프리미엄 자막은 정반대로 작동합니다. 손가락을 멈추게 만드는 시각적 서명이자, 세 번째 영상쯤에는 여러분을 알아보게 만드는 요소가 됩니다.
수치들, 그리고 왜 하필 그 수치인가
크기: 프레임 높이의 7–10%. 1080 × 1920 익스포트 기준으로 캡 높이 약 135–190px입니다. 데스크톱 모니터에서는 터무니없이 커 보이고, 휴대폰에서는 딱 맞습니다. 이게 압도적으로 흔한 실수입니다. 27인치 화면의 편집 툴에서 균형 있어 보이는 크기로 자막을 잡아놓고, 정작 그 영상이 소비될 기기에서는 읽을 수 없는 결과물을 내보내는 것이죠.
외곽선: 3–4px 검정 스트로크. 장식이 아니라 보험입니다. 피사체는 창문 앞을 지나갈 것이고, 하늘은 하얗게 날아갈 것이며, 흰 벽이 화면을 가득 채울 겁니다. 스트로크 없는 순백색 텍스트는 거의 모든 클립에서 어딘가는 무너집니다. 스트로크나 단색 배경 박스는 여러분이 통제할 수 없는 배경 위에서도 대비를 보장해 줍니다.
줄 길이: 2–4 words. 여기엔 실제 독서 과학이 뒷받침되어 있습니다. 숙련된 독자의 지각 범위(perceptual span) — 눈이 한 번 고정될 때 실제로 받아들이는 텍스트의 양 — 는 고정점 왼쪽으로 3–4 글자, 그리고 오른쪽으로 14–15 letter spaces입니다(Rayner, Slattery & Bélanger, 2010). 2~4단어짜리 자막은 이 범위에 가깝게 들어맞아서 한두 번의 고정만으로 흡수됩니다. 긴 줄은 그렇지 않습니다. 눈이 그 줄을 가로질러 여러 번 도약해야 하고, 그 도약 하나하나가 영상을 보는 대신 읽는 데 쓰이는 시간입니다.
전문 자막 제작 분야도 반대 방향에서 같은 제약에 도달했습니다. Netflix의 English Timed Text Style Guide는 자막을 한 줄당 42 characters, 최대 두 줄로 제한하고, 성인 대상 프로그램의 읽기 속도 상한을 20 characters per second로 둡니다. 숏폼은 여기서 더 타이트하게 갑니다. 시청자는 자막과 동시에 얼굴, 컷 전환, 움직이는 배경까지 보고 있으니까요.
자막이 세 줄로 넘어간다면 너무 긴 겁니다. 해법은 글자를 줄이는 게 아니라 큐당 단어 수를 줄이는 것입니다.
위치: 하단 중앙 3분의 1 지점. 플랫폼 인터페이스를 피할 만큼 높게 — 사용자명, 버튼, 진행 바가 전부 하단 영역에 있습니다 — 그리고 피사체의 얼굴을 가리지 않을 만큼 낮게. 데스크톱 창이 아니라 휴대폰 비율의 프레임으로 미리보기하세요. 그러지 않으면 충돌은 공개된 뒤에야 보입니다.
폰트: 살아남는 것들은 좁은 범위뿐. 영상 위의 텍스트는 예측 불가능하고, 움직이고, 조명이 나쁜 배경 위의 텍스트입니다. 얇은 굵기는 밝은 프레임에서 사라집니다. 세리프는 휴대폰에서 가는 획을 잃습니다. 스크립트 서체는 빠른 속도에서 읽히지 않습니다. 살아남는 건 x-높이가 큰 굵은 지오메트릭·그로테스크 산세리프입니다: Anton, Archivo Black, Montserrat Bold, Poppins Bold, Inter Bold.
단어 단위 타이밍이 프리미엄의 신호다
타이포그래피가 자리를 잡고 나면, 남은 가장 큰 차이는 타이밍의 정밀도입니다. 그리고 이건 시청자가 이름은 못 대도 확실히 느끼는 요소입니다.
문장 단위 자막은 텍스트 덩어리를 툭 던져놓고 그대로 둡니다. 눈은 0.5초 만에 다 읽어버리고 그다음엔 할 일이 없습니다. 단어 단위 타이밍은 말이 나오는 시점에 맞춰 단어를 드러내므로, 자막이 목소리에 딱 붙어 있고 눈은 계속 움직입니다.
사람들이 말하는 "가라오케 자막"이 바로 이겁니다. 줄 단위가 아니라 단어마다 시작·종료 시각이 필요합니다. 그리고 이건 손으로 하기에 가장 지겨운 작업이기도 합니다. 타임라인 위에서 단어를 하나씩 밀어 맞추는 일을, 큐마다, 영상마다, 끝없이 반복하는 것이죠. 딱 자동화되어야 할 종류의 작업입니다.
한 번의 클릭으로 이 모양을 얻으세요
이러한 항목을 직접 설정할 필요는 없습니다. CakeCut은 한 번의 클릭으로 프리미엄 제작자 캡션(단어 수준 타이밍, 스크롤을 멈추는 스타일)을 비디오에 적용합니다.
프리미엄은 실제로 어떤 모습인가
스펙트럼의 양 끝에 있는, 실제 CloudCap 렌더 두 개입니다.
에너지가 강한 스타일. 검정 외곽선 위의 노란색은 가능한 조합 중 대비가 가장 강하고, 굵기를 섞은 구성 — 묵직한 디스플레이 단어 위에 얹힌 작은 스크립트 서체 — 은 두 단어짜리 자막 안에서도 위계를 만들어냅니다. 훅과 펀치라인에서 손가락을 멈추게 하는 스타일이죠. 다만 4분짜리 토킹 헤드 영상 내내 쓰면 피로해집니다.
절제된 스타일이지만, 사실 둘 중 기술적으로 더 까다로운 쪽입니다. 색 없이 깔끔한 흰색 굵은 산세리프 — 그리고 텍스트가 피사체 뒤에 놓여서, 어깨가 단어 앞을 지나갑니다. 이 깊이 단서 덕분에 자막이 위에 붙여넣은 것이 아니라 장면 안에 합성된 것처럼 느껴지고, 텍스트를 중앙에서 옮기지 않고도 얼굴을 가리지 않습니다.
둘 다 업로드할 때마다 손으로 조립할 만한 작업은 아닙니다. 그리고 둘 다 원클릭입니다.
에너지를 맞추고, 그다음엔 고민을 멈추라
- 빠른 컷 전환이나 복잡한 배경 — 스트로크 대신 단색 배경 박스를 쓰세요. 배경이 400ms마다 바뀌면 외곽선만으로는 부족합니다.
- 조용하고 진지한 콘텐츠 — 공격적인 애니메이션 자막은 톤이 어긋난 것처럼 읽힙니다. 절제도 하나의 스타일입니다.
- 비라틴 문자 — 폰트에 해당 글리프가 있는지 확인하세요. 상당수 디스플레이 서체는 라틴 전용이라 대체 폰트가 굵기와 맞지 않습니다.
- 긴 단어 — 독일어, 핀란드어, 그리고 전문 용어는 2–4 words 규칙을 깨뜨립니다. 글자를 줄이지 말고 줄당 단어를 줄이세요.
이 모두는 한 번만 결정하면 되는 항목입니다. 진짜 비용은 결정하는 데 있지 않습니다. 영상마다 끝없이 다시 결정하면서 매번 조금씩 다른 룩으로 끝나는 데 있습니다.
프리미엄 자막, 원클릭으로
CloudCap이 존재하는 이유가 바로 이 지점입니다. 완성된 클립을 가져오면 원클릭으로 프리미엄 크리에이터 자막을 받습니다. 단어 단위 타이밍이 이미 적용되어 있고, 개성 있는 스타일도 이미 적용되어 있어 바로 올릴 수 있습니다.
스타일은 실제 프리셋입니다 — 위의 두 가지도 포함됩니다 — 그래서 스무 번째 영상도 첫 번째 영상과 똑같은 완성도를 유지합니다. 위에서 말한 어떤 것도 따로 설정하거나, 재보거나, 다시 계산할 필요가 없습니다. 직접 제어하고 싶을 때는 타이밍, 레이아웃, 단어별 스타일링을 모두 편집할 수 있고, 자막 박스는 실제 박스이기 때문에 텍스트가 조용히 프레임 밖으로 커져 나가는 일이 없습니다.
같은 클립으로 더 넓은 시청자층에 닿고 싶을 때는 자막을 번역할 수 있고, 바로 게시할 수 있는 자막 삽입 영상으로 내보내거나 텍스트만 따로 필요할 때는 SRT, TXT, JSON 같은 자막 파일로 내보낼 수 있습니다.
이건 영상 편집기가 아닙니다. 컷 편집, 색보정, 오디오 믹싱이 필요하다면 늘 쓰던 곳에서 계속하세요. CloudCap은 자막 작업 단계부터 이어받습니다. 남들과 똑같아 보이는 결과물을 얻자고 타임라인에서 단어를 끌어다 놓느라 날려버릴 그 한 시간을요.
출처
- Rayner, K., Slattery, T. J., & Bélanger, N. J. (2010). Eye movements, the perceptual span, and reading speed. Psychonomic Bulletin & Review, 17(6), 834–839. 알파벳 표기 체계를 읽는 숙련된 독자의 지각 범위는 고정점 왼쪽 3–4 글자, 오른쪽 14–15 letter spaces입니다. 이 논문은 또한 평균 고정 지속 시간이 대략 205–253ms이고 전방 도약이 6.2–8.9 letter spaces이며, 빠른 독자일수록 더 긴 도약을 한다고 보고합니다.
- Netflix. English Timed Text Style Guide. 한 줄당 42 characters, 최대 두 줄, 성인 대상 프로그램 기준 최대 20 characters per second의 읽기 속도를 규정합니다(아동 대상 프로그램은 17).
인용 표시가 없는 수치들에 대한 참고: 7–10% 캡 높이, 3–4px 스트로크, 하단 중앙 3분의 1 배치는 9:16 모바일 영상에서 일관되게 잘 통하는 방식에서 나온 관행이지, 공표된 표준이 아닙니다. 특히 플랫폼 세이프 영역은 인터페이스 변경과 자막 길이에 따라 달라집니다. 각 플랫폼은 자체 광고 도구를 통해 최신 세이프존 템플릿을 배포하며, 이 글에 실린 수치를 포함해 어떤 고정된 픽셀 값보다도 그쪽이 기준입니다.